很多公司手里有一堆专利，但真正被执行、授权、系统分析过的，只是一部分。

问题不一定是这些专利没价值。更常见的原因是：算清它们值不值钱，本身就很贵。

Stilta 这轮融资有意思，也在这里。它刚完成 1050 万美元种子轮融资，由 Andreessen Horowitz（a16z）领投，Y Combinator 参投，OpenAI、Legora、Lovable 等公司相关运营者也投了钱。

这不是又一个“AI 律师”故事。Stilta 押的是一个更窄的环节：专利诉讼和知识产权案件前期的研究、比对和证据整理。

我的判断是，这家公司短期最该被观察的不是能不能改变诉讼结果，而是能不能把专利分析的启动成本打下来。成本一降，沉睡专利才可能重新进入企业法务和知识产权团队的资产表。

Stilta 切的不是法律问答，而是专利分析流水线

Stilta 的创始人兼 CEO Oskar Block，不是典型法律背景。

他早年做过体育博彩机器学习模型，后来做企业 AI 集成咨询，也曾在自动驾驶卡车公司接触专利流程。按这个路径看，他带来的核心经验不是“懂诉讼”，而是处理复杂数据问题，以及理解大公司怎么把 AI 放进工作流。

这也解释了 Stilta 的定位。

用户输入专利号和相关材料后，系统里的多个 AI agent 会并行处理几类任务：查找可能冲突或相关的专利，梳理专利申请、审查和法院历史，生成带证据引用的报告和 claim chart。

claim chart 是专利诉讼和授权谈判里的基础文件。它要把专利权利要求逐项对应到被控产品、技术材料或其他证据上。过去这件事很吃人工阅读、检索和整理。

Stilta 想改的，正是这段前期重活。

环节传统痛点Stilta 的切入点现实边界
专利冲突检索检索范围大，容易漏查找相关专利、相似知识产权和潜在冲突仍需律师判断相关性
历史梳理申请、审查、法院记录分散汇总专利和案件历史数据来源和覆盖范围要复核
Claim chart人工逐项对应，耗时高生成权利要求对应表不能直接替代诉讼策略
证据引用引用错位会带来返工给出来源定位引用可追溯性是采购关键

这里有一个边界必须说清楚。Block 对外强调，用户仍在 driver’s seat。

也就是说，AI 做的是加速分析。律师、企业法务和 IP 专业人员仍然决定策略、风险、谈判空间和案件走向。

这点很重要。专利诉讼不是写一份漂亮报告就结束。AI 如果漏掉关键现有技术，或者把证据对应错了，后面节省的时间很可能被返工吃掉。

真正的机会，是让企业重新给专利组合定价

Stilta 的市场，不在“AI 替律师打赢官司”这种叙事里。

更现实的机会是：让企业更便宜地回答一个老问题——这批专利到底还有没有用？

很多公司持有大量专利，但没有持续分析。它们可能没有被执行，也没有拿去授权，甚至没有被系统盘点过。原因很朴素：传统专利分析要律师、技术专家、检索人员一起投入时间，成本不低。

企业通常只在重大诉讼、并购、授权谈判前，才愿意花这笔钱。

如果 AI 能把初筛、证据整理、claim chart 初稿的成本降下来，企业法务和知识产权团队的动作会变。

他们可能会更早盘点专利组合：哪些可以用于授权谈判，哪些适合防御，哪些继续缴维护费不划算。对大型科技公司、硬件公司、自动驾驶公司、生命科学公司，这个动作尤其现实。因为这些公司专利多，但内部法务和 IP 团队的人力不会无限扩张。

对创业者和投资人来说，Stilta 说明 AI 法律科技正在从“大而全助手”往高价值窄场景走。这个方向的好处是付费痛点清楚，坏处是交付门槛也高。模型能力只是入场券，数据覆盖、引用质量、律师复核流程，才决定产品能不能被采购。

对企业法务和知识产权管理者来说，更直接的动作不是马上把流程交给 AI，而是把它放进早期筛查环节试用。比如先用在低风险专利组合盘点、授权机会初筛、诉讼前材料整理。真正进入争议决策前，仍要保留人工复核。

同类方向已经有人在做。Solve Intelligence、DeepIP 等公司也在用 AI 改造专利撰写、检索或知识产权流程。

差别在于，Stilta 目前强调的是专利诉讼和 IP 案件背后的研究分析，不是泛化合同审阅，也不是面向所有律师的通用助手。

这条路更窄，但也更好验证。客户不会只问“生成得像不像”，而会问“省了多少律师小时”“漏检率能不能接受”“引用能不能被复核”。

接下来要看三件事：引用、漏检、责任

目前公开信息没有披露 Stilta 的客户、收入或真实案件案例。也没有证据显示它已经改变专利诉讼结果，或被大规模商用。

所以判断要收住。

这轮融资至少表明，投资人愿意押注专利分析这个高价值窄场景。但公司能不能走出来，要看更硬的变量。

第一，引用是否可追溯。

专利分析不是一般文本总结。每一个结论都要能回到原始材料、专利文件、审查记录或法院文件。如果引用定位不稳，律师复核成本不会真的下降。

第二，漏检率怎么控制。

专利检索最怕“看起来很完整，但漏了关键材料”。AI 可以扩大检索和比对范围，但也可能制造一种虚假的确定感。企业采购时，应该要求看到召回能力、复核机制和错误处理方式，而不是只看演示报告。

第三，责任边界怎么划。

如果 AI 生成的 claim chart 被用于授权谈判或诉讼前评估，错误由谁承担？软件供应商、律师团队、企业内部 IP 部门之间，责任要提前讲清楚。

这也是 AI 法律科技和普通办公自动化的差别。

普通文档写错了，可以改。专利诉讼里的错，可能影响谈判筹码、诉讼策略和预算分配。

因此，Stilta 的融资不说明法律行业被 AI 接管。它更像一个信号：那些材料多、证据链长、流程重、人工昂贵的法律工作，会先被 AI 压缩成本。

专利分析正好符合这些条件。

回到开头那个问题：企业的专利为什么睡着？很多时候不是无人惦记，而是盘点太贵。Stilta 要证明的，也不是 AI 会不会写法律文件，而是它能不能把这笔账算到企业愿意重新打开卷宗。